Advancing the case for nurse practitioner‐based models to accelerate scale‐up of HIV pre‐exposure prophylaxis
Notice bibliographique
Résumé
AIMS: To explore the factors that position nurse practitioners (NPs) to lead the implementation of HIV pre-exposure prophylaxis. BACKGROUND: The HIV epidemic represents a global health crisis. Reducing new HIV infections is a public health priority, especially for Black and Latino men who have sex with men (MSM). When taken as directed, co-formulated emtricitabine and tenofovir have over 95% efficacy in preventing HIV; however, substantial gaps remain between those who would benefit from pre-exposure prophylaxis (PrEP) and current PrEP prescribing practices. DESIGN: This is a position paper that draws on concurrent assessments of research literature and advanced practice nursing frameworks. METHOD: The arguments in this paper are grounded in the current literature on HIV PrEP implementation and evidence of the added value of nurse-based models in promoting health outcomes. The American Association of Colleges of Nursing's advanced nursing practice competencies were also included as a source of data for identifying and cross-referencing NP assets that align with HIV PrEP care continuum outcomes. CONCLUSIONS: There are four main evidence-based arguments that can be used to advance policy-level and practice-level changes that harness the assets of nurse practitioners in accelerating the scale-up of HIV PrEP. RELEVANCE TO CLINICAL PRACTICE: Global public health goals for HIV prevention cannot be achieved without the broader adoption of PrEP as a prevention practice among healthcare providers. NPs are the best hope for closing this gap in access for the populations that are most vulnerable to HIV infection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».